Bilişsel duygu durumlarının iş performansına etkisinin makine öğrenmesi ile araştırılması
Investigation of the effect of cognitive emotional states on task performance using machine learning
- Tez No: 1012562
- Danışmanlar: PROF. DR. TÜLİN GÜNDÜZ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Bilişsel duygu düzenleme, Bilişsel ergonomi, Birleştirilmiş stroop, EEG, Mental iş yükü, Yapay zeka ve makine öğrenmesi dersi, İş performansı, Cognitive emotion regulation, Cognitive ergonomics, Combined stroop, Mental workload, Artificial intelligence and machine learning course, Job performance
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsanın karar alma, dikkat, motivasyon ve sosyal etkileşim gibi birçok temel sürecini doğrudan etkileyen en belirleyici olgulardan biri duygulardır. Duygular bilişsel, davranışsal ve fizyolojik göstergeler üzerinden ölçülebilse de duygu durumu çıkarımı çoğunlukla yüz ifadesi, mimik, konuşma tonu gibi dışa vurumlara dayanır. Ancak bu tür göstergeler beklentiler veya bilinçli manipülasyonlar nedeniyle her zaman gerçek duygu durumunu yansıtmayabilir. Buna karşılık beyin temelli ölçümler, duygusal süreçlere doğrudan erişim sağlayarak bu sınırlılıkları azaltma açısından önemli bir alternatif sunar. Bu çalışma, 39 gönüllü katılımcı üzerinde yürütülmüş olup, pozitif(mutlu) ve negatif(mutsuz) duygu indüksiyonu sonrası stroop temelli oluşturulan görev uygulanmış ve duygu durumu ile fizyolojik tepkiler Elektroensefalografi (EEG) aracılığıyla değerlendirilmiştir. Subjektif değerlendirmeler için NASA Görev Yükü İndeksi (NASA-TLX), Hamilton Depresyon Değerlendirme Ölçeği (HAM-D) ve duygu skalası ile veri toplanmıştır. Duygusal durum göstergeleri olan valence ve arousal değerleri, EEG bant güçlerinden hesaplanmış; buna ek olarak katılımcı üzerinde oluşan mental yük düzeyi analiz edilmiştir. Çalışmada kişinin bilişsel duygu durumlarının sınıflandırılması ve bu veriler ile iş performansı tahmini amaçlanmıştır. Bu amaç doğrultusunda, yapay sinir ağı (ANN), destek vektör makineleri (SVM) ve rassal orman (RO) modelleri kullanılmıştır. Duygu sınıflandırmasında doğruluk değerleri sırası ile %99,94, %99,93, %100 olarak bulunmuştur. İş performansında ise modeller pozitif duyguda 0,1031, 0,0760, 0,0721, negatif duyguda ise 0,1165, 0,0902, 0,0659 ortalama mutlak hata (MAE) ile tahmin gerçekleştirmiştir. Elde edilen bulgular, F7 ve F8 EEG kanallarının valence ve arousal tahmininde özellikle bilgilendirici olduğunu göstermektedir. Pozitif duygu durumu sonrası gerçekleştirilen görevlerde iş performansı değerleri artmıştır. Duygusal durum bilgilerinin makine öğrenmesi modellerine entegre edilmesiyle iş performansı düzeylerinin yüksek doğrulukla tahmin edilebildiği gösterilmiştir. Bu yönüyle çalışma, duygu-performans ilişkisini yalnızca betimlemekle kalmayıp, ölçülebilir, tahmin edilebilir ve modellenebilir bir çerçevede ele alan bütüncül bir yaklaşım sunmaktadır.
Özet (Çeviri)
One of the most influential phenomena affecting fundamental human processes such as decision-making, attention, motivation, and social interaction is emotion. Although emotions can be assessed through cognitive, behavioral, and physiological indicators, emotion recognition is often based on external expressions such as facial gestures or vocal tone, which may be consciously or unconsciously manipulated and thus fail to reflect the true emotional state. In contrast, brain-based measurements provide more direct access to emotional processes and represent a robust alternative for addressing these limitations. This study was conducted with 39 volunteers, in which a Stroop-based task was administered following positive (happy) and negative (sad) emotion induction, and emotional states and physiological responses were assessed using electroencephalography (EEG). Subjective data were collected using the NASA Task Load Index (NASA-TLX), the Hamilton Depression Rating Scale (HAM-D), and an emotion rating scale. Emotional state indicators, namely valence and arousal, were computed from EEG band power features; in addition, the level of mental workload experienced by the participants was analyzed. The study aimed to classify individuals' cognitive emotional states and to predict task performance based on these data. In this context, artificial neural networks (ANN), support vector machines (SVM), and random forest (RF) models were used. Emotion classification accuracies were 99.94%, 99.93%, and 100%, respectively. For task performance prediction, the models achieved mean absolute error (MAE) values of 0.1031, 0.0760, and 0.0721 under positive emotional conditions, and 0.1165, 0.0902, and 0.0659 under negative emotional conditions. The obtained findings indicate that the F7 and F8 EEG channels are particularly informative in the estimation of valence and arousal Performance increased in tasks performed after positive emotion induction. It has been demonstrated that integrating emotional state information into machine learning models enables the prediction of task performance levels with high accuracy. In this respect, the study goes beyond simply describing the emotion-performance relationship and presents a holistic approach that addresses it within a measurable, predictable, and model-driven framework.
Benzer Tezler
- Organize sanayi bölgelerinde iş güvenliği sorunlarının teknik ve bilimsel araştırılmasında bir yöntem önerisi
Başlık çevirisi yok
MEHMET ALİ YILDIRIM
Yüksek Lisans
Türkçe
1986
Çalışma Ekonomisi ve Endüstri İlişkileriGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. İBRAHİM BOYNUKALIN
- Üniversitelerde okutulan güzel sanatlar müzik dersi programının incelenmesi
Studying the fine arts music curriculum taught in universities
FERDA GÜRGAN
- Gazi Eğitim Fakültesi Beden Eğitimi ve Spor bölümü öğrencilerinde dolaşım ve solunuma etkili bazı parametrelerin“Boy, kilo, spor yapma yılı, sigara alışkanlığı”araştırılması
Başlık çevirisi yok
RASİM KALE
Yüksek Lisans
Türkçe
1986
SporGazi ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. M. FADIL ERTOGAN
- Türkiye Demiryolu Makinaları Sanayi Anonim Şirketi'nin örgütsel sosyoloji açısından değerlendirilmesi
Başlık çevirisi yok
M. SERDAR KARAMANOĞLU